Я не из тех тестировщиков, кто будет советовать внедрять AI в проект, потому что он сейчас в тренде, у этого должен быть смысл, например, если в проекте есть процессы, которые уже давно хочется автоматизировать, но обычных скриптов для них недостаточно. Несколько признаков, что ваш проект нуждается в AI-агенте:
В проекте есть процессы, которые запускаются по одному и тому же сценариюНапример: появляется новая задача, нужно собрать контекст, изучить требования, найти связанные изменения, проверить существующие тесты и подготовить список проверок. Если каждый раз приходится проходить примерно один и тот же маршрут, стоит задуматься: обязательно ли этот маршрут должен проходить человек? Агент может самостоятельно пройти большую часть этого пути, а тестировщик подключится там, где нужны экспертиза и финальное решение.
На подготовку тестов уходит слишком много времениИногда сама проверка занимает 10 минут, а подготовка к ней — час. Нужно прочитать требования, разобраться в изменениях, найти похожие тесты, вспомнить старые баги и подумать об edge cases. В таком случае агент может собрать необходимый контекст, предложить сценарии и подсветить потенциальные проблемные места. А QA уже решает, что действительно стоит тестировать.
Чтобы ответить на простой вопрос, приходится искать информацию в пяти местахJira, Confluence, Git, Swagger, тестовая документация, история багов… Если на вопрос «что здесь должно происходить?» приходится открывать несколько систем и собирать информацию вручную — это хороший кандидат для агента. Он может сам найти нужный контекст в доступных источниках и собрать его в одну понятную картину.
Вы постоянно принимаете одни и те же решения по одним и тем же правиламНапример: «Если баг воспроизводится на двух окружениях — повышаем приоритет». Если опытный QA может сказать новичку: «в таких случаях делай вот так», значит часть этой логики уже можно формализовать. А формализуемую логику потенциально можно передать агенту.
Агент может не просто ответить, а выполнить целую цепочку действийИ вот это, пожалуй, самый важный критерий. Чат-бот может сказать:«Похоже, автотест упал из-за изменения API». А агент потенциально может сам:
получить информацию о падениинайти задачу в Jiraпосмотреть изменения в Gitизучить логисравнить с предыдущими запускамисформировать гипотезуподготовить комментарий или баг-репорт.То есть агент не просто генерирует ответ, а действует внутри вашего процесса. Но есть важный нюанс: не каждую рутину стоит превращать в AI-агента. Если задачу можно надёжно решить обычным скриптом или автоматизацией — возможно, они будут проще, дешевле и стабильнее. А вот если процесс требует контекста, нескольких шагов, работы с разными источниками и принятия решений по ходу выполнения — тогда уже действительно стоит присмотреться к AI-агенту.
Если было полезно, буду рад реакции
